关于将输入数组从一种形状广播到另一种形状的正确方法

Question

有一个函数，我在调用这个函数时得到了以下消息

功能是调整给定图像集的大小，并将变换后的图像放入新集中imgs_p。

例如，输入 imgs 的形状为 (5635,1,420,580)。我想改造一下(5635,64,80,1)。这就是我所做的，但我收到的错误消息是 ValueError: could not broadcast input array from shape (80,64) into shape (80,1) 如何解决这个问题呢？谢谢。

def preprocess(imgs):
    imgs_p = np.ndarray((imgs.shape[0],img_rows, img_cols,imgs.shape[1]), dtype=np.uint8)
    print('imgs_p: ',imgs_p.shape)
for i in range(imgs.shape[0]):
    print('imgs[i,0]: ',imgs[i,0].shape)
    imgs_p[i,0]=resize(imgs[i,0],(img_rows,img_cols))
return imgs_p

Answer 1

我想你想将“1”维度滚动到正确的位置：

z = np.moveaxis(z, 1, -1).shape

此后您可以运行对每个图像进行 for 循环并使用 skimage 或 scipy.ndimage 重塑形状。

小心缩减采样！您可能想先应用高斯模糊以确保所有数据都被考虑在内。

关于将输入数组从一种形状广播到另一种形状的正确方法

regarding proper way of broadcasting input array from one shape into another shape

python

numpy

scipy

scikit-learn

scikit-image